BMI160 IMU与PIC24F16KA102 MCU运动数据采集方案

1. 项目背景与硬件选型解析

在嵌入式开发领域，精确的运动数据采集一直是工业自动化、可穿戴设备和无人机控制等应用的核心需求。这次我选择了Bosch BMI160六轴惯性测量单元(IMU)与Microchip PIC24F16KA102 MCU的组合方案，这个搭配在功耗、精度和成本之间取得了很好的平衡。

BMI160作为Bosch第二代IMU传感器，集成了3轴加速度计和3轴陀螺仪，具有以下突出特性：

• 加速度计量程可配置(±2g/±4g/±8g/±16g)
• 陀螺仪量程可调(±125°/s至±2000°/s)
• 超低功耗模式仅消耗950μA电流
• 内置1024字节FIFO缓冲
• 支持I²C和SPI数字接口

PIC24F16KA102则是Microchip旗下的一款16位单片机，其优势在于：

• 16KB Flash/2KB RAM的适中存储配置
• 内置12位ADC和硬件乘法器
• 支持SPI/I²C主从模式
• 最低0.5μA的休眠电流
• 28引脚SSOP封装节省空间

这个组合特别适合需要长时间电池供电的运动监测场景。我曾在一个智能跳绳项目中采用相同方案，实测在100Hz采样率下，系统可连续工作40小时以上。

2. 硬件连接与电路设计

2.1 接口连接方案

BMI160支持SPI和I²C两种通信方式。考虑到运动数据采集对实时性的要求，我推荐使用SPI接口连接，具体引脚配置如下：

注意：BMI160的工作电压范围为1.71V-3.6V，直接使用PIC24F16KA102的3.3V输出即可，无需额外电平转换。

2.2 电源滤波设计

运动传感器对电源噪声非常敏感，我在实际项目中遇到过因电源干扰导致数据跳变的问题。推荐在BMI160的VDD引脚就近放置：

• 1个10μF钽电容（低频滤波）
• 1个100nF陶瓷电容（高频去耦）
• 1个1nF电容（抑制高频噪声）

这种三级滤波方案经实测可将电源纹波控制在10mV以内，确保传感器稳定工作。

3. 固件开发与传感器配置

3.1 SPI接口初始化

首先需要配置PIC24F16KA102的SPI1模块：

void SPI1_Init(void) { SPI1CON1 = 0x0120; // 主模式, 时钟极性0, 8位传输 SPI1CON2 = 0x0000; SPI1BRG = 0x0019; // 1MHz时钟(假设Fcy=16MHz) SPI1STATbits.SPIEN = 1; // 启用SPI模块 }

3.2 BMI160寄存器配置

BMI160需要配置几个关键寄存器才能正常工作：

1. 电源模式设置（0x7E）

void BMI160_PowerOn(void) { BMI160_WriteReg(0x7E, 0x11); // 加速度计进入正常模式 __delay_ms(5); // 等待启动 BMI160_WriteReg(0x7E, 0x15); // 陀螺仪进入正常模式 __delay_ms(80); // 等待稳定 }

2. 量程和带宽配置（0x40, 0x42）

// 加速度计 ±4g范围，输出数据速率100Hz BMI160_WriteReg(0x40, 0x28); // 陀螺仪 ±500dps范围，输出数据速率100Hz BMI160_WriteReg(0x42, 0x28);

3. FIFO配置（0x47）

// 启用加速度和陀螺仪数据的FIFO存储 BMI160_WriteReg(0x47, 0xB0);

4. 数据采集与处理算法

4.1 原始数据读取

通过SPI读取传感器数据的典型流程：

typedef struct { int16_t acc_x; int16_t acc_y; int16_t acc_z; int16_t gyr_x; int16_t gyr_y; int16_t gyr_z; } IMU_Data; IMU_Data BMI160_ReadData(void) { IMU_Data data; uint8_t buffer[12]; BMI160_ReadRegs(0x12, buffer, 12); // 0x12是加速度数据起始地址 data.acc_x = (buffer[1]<<8) | buffer[0]; data.acc_y = (buffer[3]<<8) | buffer[2]; data.acc_z = (buffer[5]<<8) | buffer[4]; data.gyr_x = (buffer[7]<<8) | buffer[6]; data.gyr_y = (buffer[9]<<8) | buffer[8]; data.gyr_z = (buffer[11]<<8) | buffer[10]; return data; }

4.2 物理量转换

将原始ADC值转换为实际物理量：

// 加速度转换(m/s²) float acc_scale = 4.0f / 32768.0f * 9.80665f; // ±4g量程 // 角速度转换(rad/s) float gyr_scale = 500.0f / 32768.0f * 0.0174533f; // ±500dps量程 void ConvertToPhysical(IMU_Data *raw, IMU_Data_Physical *phy) { phy->acc_x = raw->acc_x * acc_scale; phy->acc_y = raw->acc_y * acc_scale; phy->acc_z = raw->acc_z * acc_scale; phy->gyr_x = raw->gyr_x * gyr_scale; phy->gyr_y = raw->gyr_y * gyr_scale; phy->gyr_z = raw->gyr_z * gyr_scale; }

4.3 姿态解算算法

基于互补滤波的简单姿态估计：

void UpdateOrientation(IMU_Data_Physical *data, float dt) { static float roll = 0, pitch = 0; // 加速度计姿态估计 float acc_roll = atan2(data->acc_y,>void ConfigureFIFO(void) { // 设置FIFO水印为100字节 BMI160_WriteReg(0x46, 100); // 启用加速度和陀螺仪数据的FIFO存储 BMI160_WriteReg(0x47, 0xB0); // 设置FIFO头模式 BMI160_WriteReg(0x48, 0x84); } void ProcessFIFOData(void) { uint8_t fifo_length = BMI160_ReadReg(0x24); uint8_t buffer[100]; if(fifo_length >= 100) { BMI160_ReadRegs(0x26, buffer, 100); // 解析FIFO数据包... } }

5.2 运动中断检测

BMI160内置的运动检测功能可以减轻MCU负担：

void SetupMotionInterrupt(void) { // 配置加速度阈值(0x11)，这里设为0.5g uint16_t threshold = 0.5 / (4.0 / 32768.0); BMI160_WriteReg(0x11, threshold & 0xFF); BMI160_WriteReg(0x12, (threshold >> 8) & 0x0F); // 配置运动检测持续时间(0x13)，100ms BMI160_WriteReg(0x13, 10); // 单位10ms // 启用运动中断 BMI160_WriteReg(0x54, 0x15); // 映射到INT1引脚 BMI160_WriteReg(0x58, 0x01); // 启用任何运动中断 }

5.3 低功耗优化

对于电池供电应用，功耗优化至关重要：

1. 配置传感器进入低功耗模式：

void EnterLowPowerMode(void) { // 加速度计进入低功耗模式(2Hz) BMI160_WriteReg(0x7E, 0x12); // 陀螺仪进入挂起模式 BMI160_WriteReg(0x7E, 0x14); // 禁用FIFO BMI160_WriteReg(0x47, 0x00); }

2. MCU睡眠模式配合：

void SleepUntilInterrupt(void) { // 配置INT1引脚唤醒 INTCON2bits.INT1EP = 0; // 下降沿触发 IPC1bits.INT1IP = 4; // 中断优先级 IFS0bits.INT1IF = 0; // 清除中断标志 IEC0bits.INT1IE = 1; // 启用中断 // 进入休眠模式 asm("pwrsav #0"); // 进入休眠模式 }

6. 校准与误差补偿

6.1 静态校准流程

传感器出厂后建议进行校准：

1. 加速度计校准：

void CalibrateAccelerometer(void) { int32_t sum_x = 0, sum_y = 0, sum_z = 0; IMU_Data data; // 采集100个样本 for(int i=0; i<100; i++) { data = BMI160_ReadData(); sum_x += data.acc_x; sum_y += data.acc_y; sum_z += data.acc_z; __delay_ms(10); } // 计算偏移量 acc_offset_x = sum_x / 100; acc_offset_y = sum_y / 100; acc_offset_z = (sum_z / 100) - 32768/4; // 假设Z轴朝下(1g) }

2. 陀螺仪校准：

void CalibrateGyroscope(void) { int32_t sum_x = 0, sum_y = 0, sum_z = 0; IMU_Data data; // 采集100个样本 for(int i=0; i<100; i++) { data = BMI160_ReadData(); sum_x += data.gyr_x; sum_y += data.gyr_y; sum_z += data.gyr_z; __delay_ms(10); } // 计算偏移量 gyr_offset_x = sum_x / 100; gyr_offset_y = sum_y / 100; gyr_offset_z = sum_z / 100; }

6.2 温度补偿

BMI160没有内置温度传感器，但可以通过监测芯片温度变化来补偿：

float TemperatureCompensation(float raw, float temp) { // 简单的线性补偿模型 static float last_temp = 25.0; static float comp_factor = 0.0; float temp_change = temp - last_temp; comp_factor = 0.01 * temp_change; // 假设0.01%/°C return raw * (1.0 + comp_factor); }

7. 实际应用案例

7.1 计步器实现

基于BMI160的计步算法核心逻辑：

#define STEP_THRESHOLD 1.5f // 加速度阈值(g) #define STEP_DELAY_MS 300 // 最小步间隔 void StepDetection(float acc_magnitude) { static uint32_t last_step_time = 0; static float last_valley = 0; uint32_t now = GetSystemTick(); // 寻找波谷 if(acc_magnitude < last_valley) { last_valley = acc_magnitude; } // 检测波峰 if(acc_magnitude > (last_valley + STEP_THRESHOLD)) { if((now - last_step_time) > STEP_DELAY_MS) { step_count++; last_step_time = now; last_valley = acc_magnitude; } } }

7.2 手势识别

简单手势识别实现：

typedef enum { GESTURE_NONE, GESTURE_SHAKE, GESTURE_FLIP, GESTURE_ROTATE } GestureType; GestureType DetectGesture(IMU_Data_Physical *data) { static float last_acc[3] = {0}; float acc_diff[3]; // 计算加速度变化率 for(int i=0; i<3; i++) { acc_diff[i] = fabs(data->acc[i] - last_acc[i]); last_acc[i] =>